МОСКВА, 5 октября, ФедералПресс. Современные технологии влияют не только на протоколы лечения и процесс терапии, но и на саму организацию здравоохранения. Рустам Гильфанов, венчурный партнер фонда LongeVC, частный инвестор и филантроп, рассказал «ФедералПресс», как искусственный интеллект используются в медицине.
Искусственный интеллект в современных клиниках – не инновация, а одна из стандартных технологий, меняющих работу медицинских организаций.
Внедрение ИИ и систем анализа больших данных связано в основном с желанием сократить затраты на медицину и оптимизировать само медицинское обслуживание. Так, например, подсчитано, что примерно в 15 % случаев у врачей возникает необходимость вновь обратиться к информации о пациенте в течение 3 месяцев после приема. Если карты оцифрованы и хранятся в облаке данных, сделать это куда проще, чем если приходится иметь дело с бумажными картами, хранящимися в архиве.
1. Сортировка пациентов
Одна из первых задач, которая возникает, когда пациенты обращаются за медицинской помощью, – быстро и правильно определить, какому пациенту нужен врач здесь и сейчас, а кто может немного подождать. К такой сортировке пациентов, так называемому триажу, активно подключают искусственный интеллект.
Один из примеров – система триажа, разработанная компанией Babylon health [1]. Она позволяет анализировать звонки людей, обращающихся в колл-центр. Одни в итоге получают рекомендацию срочно обратиться за медицинской помощью, а другим дают рекомендацию изучить информацию о симптомах заболевании, признав их случаи не экстренными. Эту систему взяла на вооружение Национальная система здравоохранения Великобритании, которая уже экономит на зарплатах сотрудникам колл-центров.
GE Healthcare вместе с больницей Джонса Хопкинса также реализуют совместную программу для оптимизации триажа. Результаты интеграции искусственного интеллекта в сортировку пациентов впечатляют: теперь пациенты, поступающие в отделение экстренной помощи, госпитализируются на 38 % быстрее [2].
2. Переход на электронную документацию
Системы, позволяющие анализировать большие объемы данных, также активно интегрируются в медицинские системы разных стран. Одно из самых передовых государств в этом плане – Южная Корея, где еще в 2003 начался отказ от бумажной документации в медучреждениях. В 2003 году цифровой медицинский документооборот заработал в сеульской больнице Бунданга, а к 2022 году аналогичная система внедрена более, чем в 90 % больниц страны [3].
Одно из наиболее значимых внедрений – система BESTCare 2.0, благодаря которой в период первой волны распространения коронавируса в марте 2020 года удалось оперативно отслеживать все контакты зараженных. Это позволило не прибегать к тотальной самоизоляции.
Другая впечатляющая по своим масштабам разработка – запуск приложения My HealthWay, использование которого позволит управлять тремя огромными базами данных [4]. Это записи о посещении врача и всех медицинских манипуляциях, получаемые из фонда медстрахования, информация о прививках, а также данные о рецептах, которые были выписаны пациенту. В какую бы клинику ни обратился пациент, врач, используя это приложение, будет видеть всю историю болезни. А сам пациент всегда сможет посмотреть, когда, по каким поводам и с каким результатам он обращался к медикам. Полная интеграция системы завершится к 2023 году.
3. Диагностика
Наиболее перспективное направление – использование суперкомпьютеров и искусственный интеллект в диагностике самых разных заболеваний. С одной стороны, плюсы тут очевидны: исключен человеческий фактор, а потому вероятность ошибки сведена к минимуму, производительность девайсов выше, чем у людей, а кроме того, это экономически выгодно, так как роботу-диагносту не надо платить зарплату. С другой стороны, отсутствие влияния того самого человеческого фактора может оказаться и недостатком – искусственный интеллект может не распознать нетипичный случай, с которым справился бы опытный специалист.
Кроме того, пока уровень доверия к диагнозам, поставленным машиной, ниже, чем к заключению, сделанному человеком [5]. Стоимость программного обеспечения также пока остается достаточно высокой.
Пожалуй, самым известным примером, связанным с интеграцией искусственного интеллекта в медицину, стал запуск суперкомпьютера Watson, созданного компанией IBM. Устройство, которое продемонстрировало фееричный успех в других областях, оказалось малоэффективным при распознавании и анализе данных в крупных онкологических центрах, с которыми было начато сотрудничество в 2015 году. Задачи, которые предстояло решать с помощью Watson, оказались тогда суперкомпьютеру не под силу.
Однако этот запуск стал знаковым и без опыта IBM, возможно, все последующие системы для диагностики и анализа данных не были бы столь успешны.
Проблема ошибочной диагностики действительно стоит очень остро. Эксперты из Медицинской университетской школы Джонса Хопкинса подсчитали, что каждому 10 пациенту с инфекционным заболеванием, раком или сердечно-сосудистыми проблемами ставят неправильный диагноз, что в дальнейшем приводит к неправильному лечению и развитию осложнений [6]. И если в случае инфекций ошибки в основном возникают при столкновении с редкими болезнями, то в онкологии неправильные диагнозы ставятся гораздо чаще
Один из наиболее значимых сервисов в этой области – израильская разработка Zebra Мedical, которая уже используется врачами в разных странах для распознавания снимков, полученных в ходе компьютерной томографии при раке легкого, печени, молочной железы. В рамках оптимизации процесса и экономии Zebra предложила не платить клиникам за собственные серверы с изображениями, а перенести все свои алгоритмы в облако. В этом случае вместо высокой платы придется заплатить лишь один доллар за каждое сканирование и его анализ [7].
4. Персонализированное лечение
Тренд на персонализацию лечения наметился несколько лет назад – сегодня совершенно очевидно, что единой схемы, подходящей абсолютно всем, не существует.
Искусственный интеллект позволяет делать назначения более точными и эффективными, а также помогает в оптимизации хирургического лечения. Так, например, система Accuray CyberKnife дает возможность проводить более точные операции. Искусственный интеллект анализирует особенности тела и расположения опухоли, чтобы хирургическое вмешательство произошло наименее травматично.
Другой полезный инструмент – технология Vicarious Surgical, объединяющая возможности виртуальной реальности, искусственного интеллекта и роботизированной хирургии. Ее применение дает возможность проводить минимально инвазивные хирургические операции.
5. Оптимизация работы клиник
Любое медицинское учреждение – это сложный механизм, в работе которого участвуют не только врачи и медсестры, но еще множество других сотрудников. От того, насколько слаженно функционирует этот процесс, зависит и то, насколько быстро и четко будет оказываться медицинская помощь.
Одна из наиболее распространенных в США систем, которая уже интегрирована в сотни больниц страны, – использующая искусственный интеллект и машинное обучение система AKASA [8]. Ее можно настроить таким образом, чтобы она была ориентирована под запросы конкретного медицинского учреждения. Система позволяет, например, автоматизировать прием претензий от пациентов. В результате чего время их обработки сокращается с 7 минут до одной, и в итоге приводит к увеличению выработки. Персонал не тратит время на документацию и бумаги, сосредотачиваясь на работе с пациентами и их проблемами.
Другой аспект – использование возможностей искусственного интеллекта в маршрутизации пациентов, а также для отслеживания положения каждого сотрудника больницы, что особенно важно в больших медицинских заведениях. Приложения для индор-навигации, прокладывающие оптимальные маршруты для пациентов до нужного им кабинета, уже успешно используются в разных клиниках. Это позволяет избежать ситуаций, когда пациенты в прямом смысле слова теряются в здании больницы, опаздывают на прием или вовсе не доходят до него. В 85 % случаев посетителям клиники приходится спрашивать у других пациентов или сотрудников клиники, как добраться до места назначения [9].
Одним из примеров использования огромного количества инновационных технологий, в том числе и возможностей искусственного интеллекта, является клиника Йонгин Северанс [10]. На всей ее территории действует 5G-интернет, благодаря которому студенты или практиканты могут наблюдать за проведением сложнейших операций, находясь не в операционной, а в классе или видеозале. Видеокартинка транслируется без помех и потери качества.
Благодаря внутрибольничной системе мониторинга можно в любой момент узнать, где находится тот или иной сотрудник, какую процедуру прошел пациент, каковы результаты последних обследований или анализов. Можно, кстати, следить не только за людьми, но и за медоборудованием, например, мобильным аппаратом для УЗИ. Система мониторинга позволяет избежать лишних перемещений – не придется никого искать и тратить на это время. А кроме того, сокращает лишние контакты, что в период продолжения распространения коронавирусной инфекции особенно важно. Пациенты клиники также получают бонусы: кроме высококлассного лечения они могут воспользоваться «виртуальной системой посещений», которая позволит им пообщаться с родными и близкими даже в случае, если те не могут прийти в больницу лично.
6. Клинические испытания
Еще одна область – использование искусственного интеллекта при проведении клинических исследований. Одна из задач, которую уже берут на себя машины, кроме поиска новых лекарств или перепрофилирования уже существующих, – подбор пациентов, которые подходят под критерии клинических исследований.
Так, например, ученые из медицинского центра Маунт Синай использовали топологический анализ данных с привлечением искусственного интеллекта для того, чтобы, изучив данные о здоровье пациентов с диабетом 2-го типа и информацию о результатах генетических анализов, разделить всех испытуемых на три большие группы [11]. И предсказать, кто из них как будет реагировать на препарат в ходе клинических испытаний.
Другой, не менее впечатляющий пример, связан со стартапом OPYL, создатели которого и вовсе разработали технологию, позволяющую анализировать контент, который пользователи создают в своих аккаунтах в соцсетях. Это нужно для того, чтобы определять, кто из них находится в группе повышенного риска развития нейродегенеративных заболеваний, например, болезни Альцгеймера.
Впрочем, несмотря на то, что последнее слово все равно остается за человеком, применение новых технологий позволяет охватить максимальный объем данных и ничего не упустить.
Источники:
1. Digitalhealth (2020) Third NHS trust signs deal with Babylon for digital triage. Accessed 15 Aug 2022
2. Johns Hopkins Medicine (2021) Capacity Command Celebrates 5 Years of Improving Patient Safety, Access. Accessed 15 Aug 2022
3. Nature (2021) South Korea, the perfect environment for digital health. Accessed 15 Aug 2022
4. Asia Net (2021) My HealthWay in South Korea: a digital highway for personal health records, but where? Accessed 15 Aug 2022
5. Juravle G, Boudouraki A, Terziyska M, Rezlescu C. Trust in artificial intelligence for medical diagnoses. Prog Brain Res. 2020;253:263-282. doi: 10.1016/bs.pbr.2020.06.006. Epub 2020 Jul 2. PMID: 32771128.
7. CNBS (2017) Zebra Medical Vision offers $1 AI medical scans on Google Cloud. Accessed 15 Aug 2022
8. Healthcare Digital (2022) Methodist Health System and AKASA partnered to automate the revenue cycle. Accessed 15 Aug 2022
9. MobilHealthNews (2021) Digital indoor wayfinding app rolled out to NHS hospitals. Accessed 15 Aug 2022
10. NexttrendsAsia (2021) 5G makes Korean hospitals smarter. Accessed 15 Aug 2022
11. Li L, Cheng WY, Glicksberg BS, Gottesman O, Tamler R, Chen R, Bottinger EP, Dudley JT. Identification of type 2 diabetes subgroups through topological analysis of patient similarity. Sci Transl Med. 2015 Oct 28;7(311):311ra174. doi: 10.1126/scitranslmed.aaa9364. PMID: 26511511; PMCID: PMC4780757.
Фото: личный архив Рустама Гильфанова